未来20年,全自动驾驶和互联汽车会出现吗?

作者: Huibert Verhoeven 2020-05-28 15:36:50

 20年后的世界,出行和交通的未来会是什么样?也许,这个问题的答案要复杂很多。这在很大程度上取决于OEM和汽车初创公司在自动驾驶和联网汽车方面的进展,更不用说规范它们的政策了。同时,汽车制造商将不得不处理车载数据的收集、存储和计算。估计在未来十年中,仅存储一项就将使每辆车的存储容量增加到2 TB以上。

在这篇博文中,重点介绍了汽车技术如何使交通更安全、更智能、更有趣。

(半)自动驾驶汽车的兴起

不论好坏,无人驾驶车辆通常在出版物和新闻媒体中获得了大量的报道。但是,现实情况是,目前这种程度的自动驾驶距离真正意义上的全自动驾驶(L5)及大规模商业采用还差一些距离。目前,绝大部分的汽车公司正在努力让L2和L3技术级别的汽车更加安全可靠。自动制动、自适应巡航控制和其他高级驾驶员系统都属于这一类别的自动驾驶。我们可以在当今的一些最新量产车中找到这些功能:从轿车到卡车再到SUV。


从自动驾驶汽车监控的驾驶环境向自动系统的转变即将成为自动驾驶汽车的转折点。人类将能够手动超车,但是如有必要,大多数驾驶任务将由汽车自动处理。取得这一成就将是一项挑战,需要进行新的汽车创新。雷达、传感器、摄像机,激光雷达和边缘计算必须协同工作,以收集和处理环境数据,从而为实时驾驶决策提供依据。

不仅仅是自动驾驶,联网汽车还可以改善沟通

尽管人们对自动驾驶的发展给予了极大关注,但值得一提的是联网汽车取得了有意义的进步。当前的趋势是车对车(V2X)通信,这使汽车能够通过高带宽、低延迟和高可靠性的链路与其他设备发送和接收数据。这些信息交换可以帮助为公共、私人和紧急情况创建更安全、更智能的运输系统。

简单说,V2X通信可以分为三大类:车辆对车辆(V2V)、车辆对基础设施(V2I)和车辆对行人(V2P)。

  • V2V——通信不仅限于车辆雷达、传感器和摄像头,还可以帮助汽车就距离、位置和驾驶决策进行通信,可以避免碰撞,超速驾驶并优化交通流量。
  • V2I——通信可在公共交通、私人交通、紧急车辆和路边基础设施(即交通信号灯、收费站、边缘网关)之间交换实时驾驶数据,从而使移动性对驾驶条件的变化更加灵敏。
  • V2P——当行驶中的车辆可能构成威胁时,通过OTA技术向移动设备、路边基础设施或其他措施的推送消息,并向行人、骑自行车的人和车外其他人员发出警报。

智能汽车能够基于快速的边缘计算和分析,判断自己和来车的速度及位置,并自动控制刹车,避免发生碰撞。


除了V2X之外,信息娱乐和导航系统正在进行重大升级。这些功能正日益成为标准,通过音乐、流媒体、天气、停车、加油/充电站等应用程序提供便利和娱乐。如果汽车变得更加自动化,信息娱乐可能会扩展到新领域,例如车载购物或个人服务。同时,导航技术正在从静态变为高分辨率,再到关联地图。这种转变需存储和处理包括3D地图、操作系统软件、HMI(人机交互界面)和用户数据中的大量数据。

监管创新–无人驾驶汽车的法律之战

在过去几年中备受关注的事件之后,驾驶员、乘客和行人之间对自动驾驶汽车的关注是可以理解的。与人类驾驶员相比,大家担心这种交通方式的真正安全性。为了解决这个问题,许多汽车公司对其自动驾驶汽车的测试政策和程序进行了重大更改。他们在安全性方面加倍投入,例如使用多个人工驾驶员超越车辆并遵循新的测试协议。此外,他们还希望为监管机构和公众提供更大的透明度和对自动驾驶数据信息的访问。

这是监管与创新之间的微妙平衡。交通管理部门必须权衡在自动驾驶技术到达L4和L5时如何适当地进行监督,从而实现不妨碍行业发展又可以防止事故发生挽救生命的创新探索。毕竟,自动驾驶汽车技术安全性高于一切:

“汽车公司可以通过开发针对其客户的标准来赢得信任。 我们谈论隐私,谈论数据将存储在哪里或车辆的安全性。所有这些都可以在自动驾驶汽车全面开发之前完成。”Western Digital助理总法律顾问Salman Alam指出,随着这项技术的发展,运输监管机构意识到了他们的关键作用。

我们的团队对观众对无人驾驶汽车测试的立场感到好奇,因此决定进行一次稻草调查。 我们问:“您对今天在公共道路上进行自动驾驶汽车测试有何感想?” 令人鼓舞的是,有51%的与会人员表示他们对自动驾驶汽车感到紧张,但认为这是必要的风险。只有9%的人反对在公共道路上进行此类测试。


未来的汽车生态系统

总的来说,我们未来的出行方式很大程度上取决于自动驾驶,V2X通信和当今正在研究的车辆安全方面的发展。然而,当我们展望未来时,仍有许多问题需要回答。大多数车辆将使用电动还是汽油驱动? 私有还是共享? 目前还有很多工作要做,同时也有许许多多令人兴奋的机会。

期待汽车制造商、生态系统合作伙伴和运输部门之间进一步合作,以在未来20年内帮助车辆达到更高的自动驾驶水平,以期最终使它们完全实现自动驾驶。

自动驾驶 人工智能 技术
上一篇:AI、机器学习和深度学习是 OEM 的主要市场 下一篇:你在打王者农药,有人却用iPhone来训练神经网络
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

培养产业高端复合型AI人才 AICA首席AI架构师培养计划第五期开启

10月15日,深度学习技术及应用国家工程实验室与百度联合发起创办的AICA首席AI架构师培养计划第五期在京迎来开学典礼。

佚名 ·  1天前
自动驾驶存在不确定性的运动规划:基于强化学习的方法

存在不确定性的运动规划是开发自动驾驶车的主要挑战之一。本文专注于有限的视野、遮挡和传感距离限制导致的感知不确定性。

自动驾驶的挑战和发展 ·  1天前
中英文超大AI模型世界纪录产生,大模型竞赛新阶段来了

英伟达与微软联合发布了5300亿参数的“威震天-图灵”(Megatron-Turing),成为迄今为止全球最大AI单体模型。

边策 ·  1天前
AI即将拥有自我意识?Facebook推「Ego4D 」开启元宇宙大门

今年11月,Facebook将开源让AI拥有以第一人称视角与世界进行交互的能力的Ego4D(Egocentric 4D Perception)计划。

佚名 ·  1天前
AI技术再立功毕加索一副名画下隐藏的画作重见天日

据外媒报道,在成名之前,巴勃罗·毕加索并不总是有足够的资金来购买绘画材料,因此,像很多艺术家一样,他在现有的画布上创作新的作品,从而掩盖了早期的图像。目前研究人员利用AI对这幅隐藏画作进行了重建。

贾桂鹏 ·  1天前
2022年的AIOps趋势预测

将人工智能纳入IT活动可以使IT团队能够在复杂的IT条件下执行更复杂的任务。人工智能与IT运营的这种整合产生了AIOps这个术语,它利用大数据、数据分析和人工智能的能力进行IT运营管理。

arti ·  1天前
元学习热度不再!ICLR 2022投稿趋势:强化学习榜首,深度学习第二

ICLR 2022 论文投稿情况都是公开的,所以有研究者收集统计了ICLR 2022的3400篇论文,排出了前50个热门研究话题,发现深度学习、强化学习仍旧霸榜前两名,元学习的热度下降很多!

佚名 ·  1天前
高速无人机独立穿越森林,全程自己规划路线,时速高达40公里

随着传感器功能和计算机能力的提升,无人机在更复杂环境中的飞行速度,很快能超过40公里/小时。

兴坤 ·  1天前
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载